コトラ（広報チーム） 
生成AIエンジニアは、文章や画像などを作るAIを、業務システムや社内ツールに組み込む仕事です。未経験から目指すことは可能ですが、AIツールを使えるだけで採用されるわけではありません。プログラミング、Web開発、データの扱い、情報管理などの基礎を身につけ、業務課題を解決できることを示す必要があります。
特に未経験者が目指しやすいのは、AIそのものを研究・開発する仕事ではなく、既存の生成AIを利用して業務改善ツールやチャットボットを作る仕事です。本記事では、求人の実態を踏まえながら、未経験者が取るべき学習と転職準備を整理します。
生成AIエンジニアは未経験から目指せるのか
未経験からでも目指せるが採用の難易度は高い理由
未経験から生成AIエンジニアを目指すことはできます。ただし、採用の難易度は決して低くありません。生成AIは注目度が高く、応募者も集まりやすいためです。また、企業はAIに関する知識だけでなく、実際にシステムとして動かす開発力を求める傾向があります。
求人サイトで「AIエンジニア 未経験」と検索すると、未経験歓迎の募集は一定数見つかります。一方で、求人票を詳しく見ると、Python経験、何らかの開発経験、数学やデータ分析への関心、大学卒業以上などの条件が設定されているケースがあります。「AI未経験可」は、必ずしも「IT未経験可」や「プログラミング未経験可」を意味しません。
未経験者が採用で評価されるには、学習した事実だけでなく、何を作り、どのような課題を解決しようとしたのかを成果物で示すことが重要です。
狙いやすいのは生成AIを活用する開発・業務改善の仕事
未経験者が最初に狙いやすいのは、既存の大規模言語モデルを活用する開発です。大規模言語モデルとは、大量の文章を学習し、質問への回答や文章作成ができるAIを指します。こうしたAIを外部サービスの連携機能を通じて利用し、業務に役立つ仕組みを作ります。
具体的には、社内向けの問い合わせチャットボット、議事録の要約ツール、文書作成の支援ツール、社内資料を検索できる仕組みなどがあります。AIモデルを一から学習させるよりも、既存のAIを安全かつ便利に使える形にする仕事のほうが、Web開発や業務改善の経験を生かしやすい領域です。
求人でも、AIを使ったアプリケーション開発、業務の自動化、社内DX推進、概念実証の支援といった業務が見られます。概念実証とは、本格導入の前に、技術的に実現できるか、効果がありそうかを小規模に確かめる取り組みです。
AIの研究開発を担う職種とは求められる経験が異なる
生成AIエンジニアという名称には幅があります。企業によっては、既存のAIを使うアプリケーション開発者を指しますが、別の企業ではAIモデルの研究、学習、改善まで担う人材を指すことがあります。
AIモデルの研究開発では、統計学、線形代数、微分積分、機械学習、深層学習などへの深い理解が求められます。大量のデータを準備し、モデルの精度を測定し、学習方法を改善する力も必要です。大学院での研究経験や、機械学習を使った実務経験が評価されやすい領域です。
一方、生成AIの活用開発では、Pythonなどによるプログラミング、Webアプリケーション、データベース、外部サービスとの連携、利用者にとって使いやすい画面設計が重要になります。未経験者は、まず活用側の開発を目標にしたほうが、学習の道筋を立てやすいでしょう。
IT未経験者と開発経験者で異なる転職の現実
IT未経験者と、すでに開発経験がある人では、生成AI分野への転職難易度が大きく異なります。
IT未経験者は、まずプログラミングやWeb開発の基礎を身につける必要があります。いきなり生成AI専門の仕事に就くよりも、研修のあるITエンジニア職、テストや保守から開発へ広がれる職場、業務改善や社内システムの仕事を経由する選択肢も現実的です。求人によっては、入社後に3カ月程度の研修を設け、開発・テスト・運用から始める例もあります。
一方で、Web開発、業務システム開発、クラウド、データベースなどの経験者は、AI実務がなくても応募できる求人があります。実際に、AI未経験でも開発経験を生かせる求人では、Webアプリケーションの設計・実装経験、Python経験、クラウド経験、上流工程の経験などが求められています。開発経験者は、生成AI特有の技術を追加で学び、成果物を作ることで転職先の選択肢を広げやすくなります。
年代やこれまでの職歴が転職に与える影響
未経験採用では、年代やこれまでの職歴も見られます。一般に、未経験者を育成する前提の求人は、第二新卒や若手を対象にすることがあります。ただし、年齢だけで可能性が決まるわけではありません。
20代では、学習意欲や将来性を評価する求人に応募しやすい傾向があります。30代以降では、これまでの業務経験をAI活用にどう結びつけるかがより重要です。たとえば、営業、経理、製造、医療、物流、教育、カスタマーサポートなどの経験は、現場課題を理解する力として生かせます。
年齢が上がるほど、完全未経験として採用されるよりも、業界知識とITスキルを組み合わせて価値を示すことが重要になります。自分が経験してきた業務の非効率や課題を題材にしてポートフォリオを作ると、職歴と学習内容に一貫性が生まれます。
生成AIエンジニアの仕事内容
社内向けチャットボットや業務支援ツールの開発
生成AIエンジニアの代表的な仕事は、社内の問い合わせに対応するチャットボットや、日常業務を支援するツールの開発です。たとえば、経費精算のルール、社内制度、製品仕様、手続きの流れなどについて、従業員が自然な文章で質問できる仕組みを作ります。
単にAIに質問させるだけでは、実務では使いにくい場合があります。質問内容を整え、回答の形式を指定し、回答できない場合の案内を設計し、誤った回答が出たときに確認できる仕組みを用意します。利用者が迷わず使え、業務の手戻りが減るように設計することが重要です。
社内資料を検索して回答する仕組みの構築
社内資料をもとに回答する生成AIの仕組みも、需要が高い領域です。これは、AIに社内規程、マニュアル、FAQ、議事録などを参照させ、質問に関連する情報を探してから回答させる方法です。一般に、検索と生成AIを組み合わせる仕組みとして扱われます。
この仕組みでは、資料をそのままAIに渡すだけでは不十分です。文書を読み取りやすい単位に分け、更新日や部署名などの情報を付け、質問に合う資料を探せるように準備します。また、回答の根拠となった文書を表示し、利用者が確認できるようにする設計も重要です。
社内情報には機密情報や個人情報が含まれる可能性があるため、誰がどの資料を検索できるか、外部に送信してよい情報かといった権限管理も必要になります。
生成AIを使った業務改善の企画と試作
生成AIエンジニアは、依頼された仕様を実装するだけではありません。現場の業務を聞き取り、どこに時間がかかっているか、どの作業ならAIで支援できるかを考える場面もあります。
たとえば、報告書作成、メールの下書き、問い合わせ内容の分類、会議記録の要約、契約書の確認補助などが候補になります。ただし、すべてをAIに任せることが適切とは限りません。誤りが許されない業務、専門家による判断が必要な業務、機密情報を扱う業務では、人が確認する流れを残す必要があります。
最初は小さな試作品を作り、実際の利用者に試してもらい、効果や課題を確認します。その結果を踏まえて、対象業務や画面、回答の形式を改善し、本格導入につなげます。
既存システムと生成AIをつなぐ開発
実務での生成AI活用では、AI単体ではなく、既存の業務システムと連携することが多くあります。たとえば、顧客管理システム、販売管理システム、文書管理システム、社内ポータルなどと連携し、必要な情報を取得したうえでAIに処理させます。
この仕事では、外部サービスとの連携機能、データベース、認証、権限管理、画面開発など、一般的なシステム開発の知識が必要です。AIに詳しいだけではなく、安全にデータを扱い、既存の仕組みを壊さずに機能を追加する力が求められます。
そのため、求人ではAI経験よりも、Web開発、クラウド、データ連携、システム設計の経験が評価されることがあります。
品質確認・情報管理・運用改善の仕事
生成AIは、もっともらしい誤った回答を出すことがあります。そのため、開発後も回答の正確さ、表現の適切さ、処理速度、利用状況を確認し続ける必要があります。
品質確認では、想定される質問集を作り、期待した回答が返るかを検証します。誤った回答や不適切な表現が見つかった場合は、指示文、検索対象の資料、回答の制限、画面上の注意書きなどを見直します。
また、入力された情報や利用履歴をどのように保管するか、外部サービスに送るデータをどう制限するかも重要です。生成AIエンジニアの仕事は、作って終わりではなく、安全に使い続けられる状態へ改善することまで含まれます。
求人で見る生成AIエンジニアの実態と見極め方
「未経験可」の求人でも求められやすい基本スキル
「未経験可」と書かれた求人でも、何らかの基礎力を期待されることがあります。特に、AI未経験可の求人では、開発経験やPython経験が前提になっている場合があります。
求人票で確認したい基本スキルは、プログラミング言語、Web開発、データベース、クラウド、チーム開発の経験です。Pythonが歓迎条件にある場合でも、どの程度の経験が必要なのかを確認しましょう。簡単な文法を学んだだけではなく、外部サービスと連携したツールを作った経験があると評価につながりやすくなります。
また、AI未経験歓迎の求人でも、年収が高い場合は、すでにある開発経験や上流工程の経験を想定していることがあります。職種名だけで判断せず、応募条件と担当業務を読む必要があります。
研修後の配属先と実際の業務内容を確認する
未経験者向け求人では、研修制度があることが大きな魅力になります。しかし、研修内容と研修後の配属先は分けて確認する必要があります。
確認したい項目は、研修期間、学ぶ内容、研修中の待遇、研修後の配属基準、最初の担当業務です。研修がAIやPythonに特化しているのか、まずはIT全般の基礎を学ぶのかによって、入社後の成長の仕方は変わります。
また、「将来はAIエンジニアを目指せる」と書かれている場合、入社直後から生成AI開発に関われるとは限りません。最初はテスト、保守、運用、一般的なシステム開発を担当し、経験を積んだ後にAI案件へ進む形もあります。これは悪いことではありませんが、自分の希望と合うかを事前に確認することが大切です。
開発よりも運用・サポートが中心となる求人もある
AI関連の求人には、開発だけでなく、運用支援、導入支援、問い合わせ対応、データ入力、品質確認などを中心とする仕事もあります。これらの業務はAI活用を支える重要な仕事ですが、コードを書く開発職を想定している場合は仕事内容を慎重に確認しましょう。
たとえば、AIツールの利用方法を社内に広める役割、利用者からの質問を受ける役割、出力結果を確認する役割は、開発経験が少ない人でも入りやすい場合があります。一方で、設計や実装の経験を積みたい場合は、開発工程にどこまで関われるかを確認する必要があります。
面接では、日常業務に占める開発、テスト、運用、顧客対応の割合や、利用する技術、コードレビューの有無を質問するとよいでしょう。
生成AIを使う仕事と生成AIを開発する仕事を区別する
求人の「AIエンジニア」という名称だけでは、仕事の内容はわかりません。生成AIを使ってコンテンツを作る仕事、AIツールの運用を支援する仕事、生成AIを組み込んだシステムを開発する仕事、AIモデルを研究開発する仕事は、それぞれ必要なスキルが異なります。
生成AIを使う仕事では、文章作成、調査、業務効率化、企画などが中心になることがあります。生成AIを開発する仕事では、プログラミング、外部サービスとの連携、データ処理、設計、テスト、運用が中心です。
転職後のミスマッチを防ぐには、求人票の仕事内容に、設計、実装、テスト、運用改善、データ連携、検索機能、クラウド、外部サービスとの連携などの記載があるかを見ます。自分が身につけたいスキルと一致するかを判断しましょう。
成長できる環境かを判断する求人票の確認項目
未経験から入社する場合、最初の仕事だけでなく、その後にどのような経験を積めるかが重要です。求人票では、技術的な成長機会と、支援体制の両方を確認しましょう。
- 研修で学ぶ技術と期間
- 研修後に担当する業務の内容
- 生成AI、クラウド、データ分析などの案件実績
- チームでの開発体制や先輩社員の支援
- コードレビューや技術共有の仕組み
- 希望するキャリアに向けた異動や案件選択の制度
- 評価基準と昇給・昇格の考え方
- 勤務地、働き方、客先常駐の有無
特に、扱う技術が求人票に具体的に書かれているかは重要です。「最先端技術」「AI案件多数」といった表現だけでは、実際にどのような開発をするのか判断しにくいためです。
未経験から身につけるべきスキル
プログラミングの基礎とPythonの使い方
生成AIの活用開発では、Pythonがよく使われます。Pythonは文法が比較的読みやすく、AI、データ処理、Web開発に使える道具が豊富なためです。
最初に身につけるべきなのは、変数、条件分岐、繰り返し、関数、ファイル操作、例外処理、クラスなどの基礎です。そのうえで、外部サービスからデータを取得し、結果を加工して画面に表示する流れを学びます。
生成AIの外部サービスと連携するには、リクエストを送信し、返ってきた結果を扱う力が必要です。AIに質問するコードを書くだけでなく、入力内容を確認し、回答を保存し、失敗したときに適切な案内を出すところまで実装できるようにしましょう。
Webアプリケーションとデータベースの基礎
生成AIを業務で使うには、利用者が操作できる画面と、データを保存・検索する仕組みが必要です。そのため、Webアプリケーションとデータベースの基礎は重要です。
Webアプリケーションでは、ブラウザで表示する画面、サーバー側で処理するプログラム、データを保管するデータベースが連携します。まずは、フォームから質問を入力し、サーバー側でAIに送信し、回答を画面に表示する簡単なアプリを作れるようになるとよいでしょう。
データベースでは、SQLというデータを検索・追加・更新するための言葉を学びます。利用者情報、質問履歴、社内文書、評価結果などを適切に扱うために、データの構造を考える力が必要です。
生成AIの仕組みと指示文の作り方
生成AIを実務で使うには、AIがどのような特徴を持つかを理解する必要があります。生成AIは、もっともらしい文章を作れますが、事実と異なる内容を返すことがあります。また、入力の仕方によって回答の質が変わり、同じ質問でも結果が安定しないことがあります。
指示文を作る際は、AIに与える役割、目的、回答形式、守るべき条件、参照してよい情報、回答できない場合の対応などを明確にします。たとえば、回答の文字数、箇条書きの有無、根拠の表示、専門用語の扱いなどを指定します。
ただし、指示文だけで品質を保証することはできません。想定質問を用意して結果を比較し、利用者の意見を集めながら改善する姿勢が必要です。
検索と生成AIを組み合わせる仕組みの基礎
社内文書や独自の知識を扱う生成AIでは、検索と生成AIを組み合わせる方法がよく使われます。これは、質問に関連する文書を探し、その内容をもとにAIが回答を作る仕組みです。
学習では、文書を読み込む、内容を小さな単位に分ける、質問に近い文章を探す、見つけた文章をAIに渡す、根拠とともに回答を表示するという流れを理解します。
重要なのは、検索で見つからない情報をAIが推測して答えないようにすることです。根拠となる文書がない場合は、「該当する資料が見つかりません」と返す設計が必要になります。正答率だけでなく、誤った回答を減らす視点を持ちましょう。
クラウド・情報セキュリティ・チーム開発の基礎
実務のシステムは、多くの場合、クラウド上で動きます。クラウドとは、インターネット経由でサーバー、データ保存場所、認証機能などを利用する仕組みです。生成AIを使ったアプリを公開する場合も、クラウドの基本を知っていると役立ちます。
また、生成AIでは情報漏えいへの配慮が欠かせません。個人情報や社外秘情報を不用意に外部サービスへ送らないこと、利用者ごとに見られる情報を制御すること、利用履歴を適切に管理することが必要です。
チーム開発では、ソースコードの変更履歴を管理する仕組み、レビュー、テスト、課題管理などを使います。一人で動くものを作る力に加え、他者と安全に開発を進める基礎を身につけることが、転職後の立ち上がりを早めます。
経験別に進める学習とポートフォリオ作成
IT未経験者が最初に固めるべき基礎学習
IT未経験者は、生成AIの流行を追う前に、コンピュータとプログラミングの基礎を固めることが重要です。最初から高度なAI開発を目指すと、エラーの意味やデータの流れがわからず、学習が止まりやすくなります。
学習は、Pythonの基礎、Webの仕組み、データベース、Gitによる変更履歴管理の順に進めると理解しやすくなります。その後、簡単なWebアプリを作り、外部サービスと連携する経験を積みます。
生成AIは、学習の補助として活用できます。エラーの意味を説明してもらう、コードの改善案を聞く、用語をかみ砕いてもらうといった使い方は有効です。ただし、出力されたコードをそのまま使うのではなく、処理の意味を自分の言葉で説明できる状態を目指しましょう。
開発経験者が生成AI分野へ広げる学習順序
すでに開発経験がある人は、既存の強みを生かしながら、生成AI特有の技術を追加する学習が効率的です。まずは、利用するAIサービスの特徴、料金、入力データの扱い、利用制限などを理解します。
次に、AIとの連携、指示文の設計、回答の評価、社内文書を検索して回答する仕組み、利用者向け画面の実装へ進みます。Web開発経験者なら、既存のアプリケーションにAI機能を追加する形で成果物を作ると、実務とのつながりを示しやすくなります。
クラウドやインフラの経験がある人は、認証、権限管理、監視、ログ管理、費用管理などに強みを出せます。業務システムの開発経験がある人は、要件整理、既存システムとの連携、利用部門との調整経験をアピールできます。
異業種経験を生かせる業界課題の見つけ方
異業種から目指す場合、これまでの仕事で感じた不便や時間のかかる作業を洗い出すことから始めます。現場を知っていることは、技術経験だけでは得にくい強みです。
たとえば、営業であれば提案書作成や商談記録の整理、経理であれば規程の検索や証憑確認、製造であれば作業手順の確認や不具合報告の整理、カスタマーサポートであれば問い合わせ分類や回答案の作成などが考えられます。
ただし、実際の会社の機密情報や顧客情報をポートフォリオに使ってはいけません。架空のデータや公開情報に置き換えたうえで、どのような課題を想定し、どのように安全性を確保したかを説明しましょう。
実務を想定したポートフォリオのテーマ例
ポートフォリオは、見栄えのよい画面だけでなく、実務上の課題をどう解決するかを示すものです。未経験者は、規模よりも目的が明確で、動作を確認できる成果物を作ることが大切です。
- 社内規程を検索して回答する質問応答ツール
- 問い合わせ内容を分類し、回答案を作る支援ツール
- 議事録を要約し、決定事項と担当者を整理するツール
- 営業日報から次の行動案を作る支援ツール
- マニュアルをもとに手順を案内するチャットボット
- 文書を要約し、重要事項を確認するレビュー支援ツール
テーマを選ぶ際は、利用者、解決したい課題、入力するデータ、出力する結果、誤った回答が出たときの対応を決めます。AIを使うこと自体ではなく、業務をどう改善するかを中心に設計しましょう。
成果物で示すべき課題設定・工夫・安全性への配慮
ポートフォリオでは、コードだけでは伝わらない部分を説明する必要があります。採用担当者は、なぜその仕組みを作ったのか、どのような判断をしたのか、問題が起きた場合にどう対応するのかを見ています。
説明には、次の要素を含めるとよいでしょう。
- 想定する利用者と業務上の課題
- 解決方法と、生成AIを使う理由
- システムの構成とデータの流れ
- 利用した技術と選定理由
- 回答品質を確認する方法
- 誤回答や根拠不明の回答を減らす工夫
- 個人情報や機密情報を扱わないための工夫
- 今後改善したい点
特に、生成AIの出力を無条件に信頼していないことを示すのが重要です。人による確認、根拠の表示、入力データの制限、回答できない場合の処理などを実装・説明できると、実務への理解を伝えやすくなります。
生成AIエンジニアへの転職準備と行動計画
現在の経験を整理して目指す職種を決める
転職準備の最初に行うべきことは、自分の経験を整理し、どの仕事を目指すかを決めることです。生成AIエンジニアという名称だけで求人を探すと、研究開発、データ分析、業務改善、Web開発、導入支援など、幅広い仕事が混在します。
IT未経験者は、研修付きのITエンジニア職、業務改善支援、AI関連の運用・テスト、初級開発職なども視野に入れます。開発経験者は、生成AIを使ったアプリケーション開発、AI基盤の構築、社内DX推進、クラウドとAIを組み合わせる仕事などを検討します。
自分の強みを、技術、業界知識、業務改善経験、顧客対応、チーム推進などに分けて書き出すと、狙うべき求人が明確になります。
学習ロードマップを作成して期限を設定する
未経験からの転職では、学習を続けるだけでは不十分です。応募できる状態を定義し、期限を決めて行動することが重要です。
たとえば、最初の1カ月から2カ月でPythonとWebの基礎を学び、次の1カ月で簡単な外部サービス連携を行い、その後2カ月から3カ月でポートフォリオを作る、といった計画を立てます。開発経験者であれば、より短い期間で生成AIの活用開発と成果物作成に集中できる場合があります。
計画では、教材を終えることではなく、作れるものを基準にします。「質問を受けて回答を表示できる」「文書を検索して根拠付きで回答できる」「利用履歴を保存できる」など、具体的な到達点を設定しましょう。
職務経歴書で業務改善力と学習力を伝える
未経験者の職務経歴書では、経験がないことを補うために、これまでの仕事で発揮した課題解決力と、学習を継続した事実を具体的に伝える必要があります。
職務経験は、担当業務を並べるだけではなく、課題、行動、結果の順で整理します。たとえば、作業時間を短縮した、ミスを減らした、マニュアルを整備した、関係者を調整した、データを整理して意思決定を支援したといった経験は、AI活用やシステム開発にもつながります。
学習内容は、受講した講座名だけでなく、作成した成果物、使った技術、工夫した点、公開先を記載します。資格は補助的な要素として役立ちますが、成果物や実装経験の代わりにはなりません。
面接で確認される転職理由と成果物の説明を準備する
面接では、「なぜ生成AI分野を目指すのか」「なぜ今の仕事から転職するのか」「なぜその会社なのか」が確認されます。流行しているから、高収入そうだからといった理由だけでは、継続して学ぶ意欲や仕事への理解を伝えにくくなります。
転職理由は、自分の経験した業務課題、AI活用に興味を持ったきっかけ、学習を通じて感じた適性、将来取り組みたい仕事をつなげて説明します。異業種経験者は、現場の課題を理解していることを強みに変えましょう。
成果物については、画面を見せるだけでは不十分です。課題設定、利用者、処理の流れ、技術選定、工夫した点、苦労した点、今後の改善点を説明できるように準備します。自分で実装した部分と、生成AIを補助として使った部分も正直に説明することが大切です。
入社後も継続して学び市場価値を高める
生成AIの分野は、技術やサービスの変化が速い領域です。入社がゴールではなく、実務を通じて学び続けることが市場価値の向上につながります。
入社後は、担当した機能の設計・実装・テスト・運用改善までを経験し、利用者の反応をもとに改善する力を身につけましょう。AIに関する知識だけでなく、クラウド、セキュリティ、データベース、システム設計、プロジェクト推進などの基礎を広げることで、担当できる範囲が広がります。
未経験から生成AIエンジニアを目指す道のりは簡単ではありません。しかし、既存の生成AIを安全に業務へ組み込み、現場の課題を解決する人材への需要はあります。まずは自分の経験を棚卸しし、目指す仕事を決めたうえで、学習ロードマップとポートフォリオのテーマを具体化することから始めましょう。
